AI：API风险的催化剂

AI已深刻影响各行业，API安全领域亦不例外。传统API防御主要针对已知威胁，但随着AI普及，自动化攻击、AI生成的漏洞利用和业务逻辑滥用使问题复杂化。安全团队不仅需修补已知缺陷，还需应对与目标技术同步进化的智能自适应攻击。

根据Wallarm《2025年API威胁统计报告》，2024年AI相关CVE数量激增，其中98.9%直接关联API。AI应用依赖API实现通信、自动化和数据交换，这种依赖性为攻击者创造了新机会。

常见弱点包括：

• 弱认证机制：89%的AI驱动API仍使用静态密钥，极易被滥用。
• 外部可访问端点：57%的API公开暴露且缺乏控制。
• 新漏洞类别：因AI依赖二进制API和硬件级处理，内存损坏问题在API讨论中日益凸显。

AI安全即API安全。

AI驱动的API攻击：自适应威胁时代

AI不仅是攻击面，更是威胁助推器。自动化绕过技术（尤其是利用逻辑漏洞的技术）对API安全构成严重威胁，使攻击者能规避检测机制。攻击流程如下：

1. 自动化分析API行为
   攻击者利用AI分析API交互，理解底层业务流程。AI系统监控API响应并学习模式，识别业务逻辑中的可利用弱点。

2. 逆向工程业务逻辑
   AI工具逆向推导应用业务逻辑，确定数据处理和规则执行方式，从而定位逻辑滥用点。

3. 识别逻辑漏洞
   攻击者据此发现特定逻辑漏洞，例如：

   • Broken Object Level Authorization (BOLA)：API未能验证每次对象调用的权限，攻击者可操纵API调用中的对象标识符获取未授权数据或功能。
   • Broken Function Level Authorization (BFLA)：用户可访问未授权功能。例如，若API管理端点缺乏授权检查，普通用户可能执行管理操作。

4. 利用机器人自动化攻击
   攻击者使用机器人自动化利用过程。这些机器人实时调整策略，修改API请求以绕过安全控制并操纵应用行为。

此类攻击难以检测的原因有二：

• 机器人的自适应性可规避传统基于签名的检测机制。
• AI驱动攻击能模拟正常人类行为，缺乏上下文时难以与合法活动区分。

构建针对AI驱动攻击的韧性

组织可通过以下四种最佳实践防护自身：

采用实时检测与响应

传统安全措施难以应对超高速、超复杂的AI驱动API攻击。Wallarm的API安全平台利用基于AI的行为异常检测，实时识别并阻止恶意API活动，检测自动化行为并减轻攻击损害。通过持续收集和分析数据，平台能获取适应新兴威胁所需的上下文。

增强认证与授权控制

强认证和授权是API安全的核心。Wallarm平台虽不直接提供认证授权功能，但通过识别可能缺失认证的恶意API、确保端点受管，以及发现允许攻击者绕过安全控制的认证授权漏洞，为这些能力提供支持。

清点并监控所有API（尤其是影子API）

未受管API（如影子或僵尸API）极易受AI驱动攻击影响。Wallarm的API发现工具提供组织API环境的全面可见性，自动识别所有API（包括未文档化和已弃用的端点）。

安排演示

Wallarm的API安全平台是阻止API攻击和AI驱动应用的最快、最简单且最有效的解决方案。我们提供完整的API清单、基于AI/ML的滥用检测专利技术、实时阻断和API SOC即服务。如需了解更多保护组织API的方法，请立即安排演示。

作者：Tim Erlin（Wallarm产品副总裁，拥有20余年网络安全行业经验）